python DataFrame的shift()方法(1)

pd.set_option(‘display.unicode.east_asian_width’, True)

data = [51.0, 52.33, 51.21, 54.23, 56.78]

index = [‘2022-2-28’, ‘2022-3-1’, ‘2022-3-2’, ‘2022-3-3’, ‘2022-3-4’]

df = pd.DataFrame(data=data, index=index, columns=[‘close’])

df.index.name = ‘date’

print(df)

print(“=========================================”)

df[‘昨收’] = df[‘close’].shift()

df[‘change’] = df[‘close’] - df[‘close’].shift()

print(df)

在这里插入图片描述


period为负,无freq


import pandas as pd

pd.set_option(‘display.unicode.east_asian_width’, True)

data = [51.0, 52.33, 51.21, 54.23, 56.78]

index = [‘2022-2-28’, ‘2022-3-1’, ‘2022-3-2’, ‘2022-3-3’, ‘2022-3-4’]

index = pd.to_datetime(index)

index.name = ‘date’

df = pd.DataFrame(data=data, index=index, columns=[‘昨收’])

print(df)

print(“=========================================”)

df[‘close’] = df[‘昨收’].shift(-1)

df[‘change’] = df[‘昨收’].shift(-1) - df[‘close’]

print(df)

在这里插入图片描述


period为正,freq为正


import pandas as pd

import datetime

pd.set_option(‘display.unicode.east_asian_width’, True)

data = [51.0, 52.33, 51.21, 54.23, 56.78]

index = [‘2022-2-28’, ‘2022-3-1’, ‘2022-3-2’, ‘2022-3-3’, ‘2022-3-4’]

index = pd.to_datetime(index)

index.name = ‘date’

df = pd.DataFrame(data=data, index=index, columns=[‘close’])

print(df)

print(“=========================================”)

print(df.shift(periods=2, freq=datetime.timedelta(3)))

如图,索引列的时间序列数据滞后了6天。(二乘以三)

在这里插入图片描述

period为正,freq为负


import pandas as pd

import datetime

pd.set_option(‘display.unicode.east_asian_width’, True)

data = [51.0, 52.33, 51.21, 54.23, 56.78]

index = [‘2022-2-28’, ‘2022-3-1’, ‘2022-3-2’, ‘2022-3-3’, ‘2022-3-4’]

index = pd.to_datetime(index)

index.name = ‘date’

df = pd.DataFrame(data=data, index=index, columns=[‘close’])

print(df)

print(“=========================================”)

print(df.shift(periods=3, freq=datetime.timedelta(-3)))

如图,索引列的时间序列数据前滞了9天(三乘以负三)

在这里插入图片描述

period为负,freq为负


自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。

深知大多数Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!

因此收集整理了一份《2024年Python开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。

img

img

img

img

img

img

既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!

由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新

如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注Python)

)

既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!

由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新

如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注Python)

img
在 Pandas 中,`groupby` 函数可以把数据按照指定的列进行分组,然后对每个分组进行相应的操作。如果我们需要对每个分组中的某一列进行位移操作,可以使用 `shift` 函数。 例如,假设我们有一个 DataFrame,其中包含了每个城市每天的温度数据,我们想要计算每个城市两天之间的温度变化,可以按照城市进行分组,然后对温度列进行 `shift` 操作,如下所示: ```python import pandas as pd # 创建 DataFrame df = pd.DataFrame({ 'city': ['Beijing', 'Beijing', 'Beijing', 'Shanghai', 'Shanghai', 'Shanghai'], 'date': ['2020-01-01', '2020-01-02', '2020-01-03', '2020-01-01', '2020-01-02', '2020-01-03'], 'temperature': [1, 2, 3, 4, 5, 6] }) # 按照城市分组,并对温度列进行 shift 操作 df['temperature_change'] = df.groupby('city')['temperature'].shift(-1) - df['temperature'] print(df) ``` 输出结果如下: ``` city date temperature temperature_change 0 Beijing 2020-01-01 1 1.0 1 Beijing 2020-01-02 2 1.0 2 Beijing 2020-01-03 3 NaN 3 Shanghai 2020-01-01 4 1.0 4 Shanghai 2020-01-02 5 1.0 5 Shanghai 2020-01-03 6 NaN ``` 可以看到,我们成功地计算出了每个城市两天之间的温度变化。在这个例子中,我们使用了 `shift(-1)` 对温度列进行位移操作,表示往后移动一行。如果我们想要往前移动一行,可以使用 `shift(1)`。同时,我们还需要对计算出的结果进行命名,这里我们把它命名为 `temperature_change`。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值